因為疫情而減少飛行的原因，有些人的航空公司金卡會員身份被降至了銀卡甚至普遍卡，乘機體驗大打折扣。優先登機、免費使用航空公司的VIP休息室、免費升艙等優惠服務，對于頻繁出差的旅客來說還是頗具吸引力的。實踐證明，會員制是培養客戶忠誠度的有效營銷手段之一，并且在商業企業的營銷中占據了越來越重要的地位。無論是去商場消費，還是去美容美發，甚至在網上買個零食，會員的身份都可以讓你享受到更多優惠或其他服務。

商家希望將會員制作為一條有效的紐帶，不斷增強客戶的黏性，所以會想出各種高招吸引回頭客，比如采取會員升級服務等。但是將銀卡客戶升級為金卡，還是將金卡客戶升級至鉆石卡，哪個更有益于留住客戶，并最大程度地刺激消費呢?以前，商家做出相關決定時，可能就是憑經驗或拍腦袋，結果也只能是“差不多”“大概其”。

現在，因為因果決策技術的應用，商家可以從以前對相關性的預測“躍升”至決策，能夠對結果做出比較精確的評估和判斷。九章云極DataCanvas推出了一個名為YLearn的因果學習開源項目，它提供了一站式處理因果學習完整流程的開源算法工具包，解決了因果學習中的因果發現、因果量識別、因果效應估計、反事實推斷和策略學習等五大關鍵問題，可以有效幫助客戶進一步提升自動化決策的能力。

究竟是金卡客戶的消費能力更強，還是鉆石卡客戶對商家的收入貢獻最大這個問題，對于YLearn來說是個小Case。事實上，九章云極DataCanvas也確實通過YLearn幫助某個商家做過智能分析，結果顯示，從商家的投入產出來衡量，將銀卡客戶升級為金卡客戶是最劃算的。YLearn可以助力商家的卡中心將運營的精細化程度提升至更高層次，而這在以前是很難做到的。

從預測到決策，從YLearn學到了什么？

YLearn是何物？你把它顛倒過來想，也就是Learn Why，即“學習為什么”。

人們經常說，學習知識不能流于表面，不僅要“知其然，更要知其所以然”，探究事物的本質及其產生的原因。從人工智能應用發展的角度，“知其然”中的“然”，是指數據之間的關聯關系，通過機器學習、深度學習便可以做到“知其然”；而“所以然”是指數據之間的因果關系，必須在機器學習、深度學習的基礎之上，引入因果統計，才能實現從預測到決策的躍升。“從預測到決策，看似一小步，但正是這一步，就像當初阿波羅登月人類邁出的那一小步一樣，具有決定性的意義。”九章云極DataCanvas董事長方磊博士如是說。

最近幾年，在全球范圍內形成了一股因果學習的熱潮，微軟、谷歌、卡內基梅隆大學等都投入了重點研究并發表了多篇論文，其勢頭之迅猛相比深度學習興起時有過之而無不及。

“大量機器學習、深度學習所作的工作只是預測，人們已經習以為常，而決策依然要靠腦補。比如，降低月費能挽留多少客戶這件事，只應用機器學習和深度學習，得不出一個肯定的說法。今天，越來越多的客戶需要對策略進行評估，這就要依靠因果學習。”方磊解釋說，“我們推出YLearn，并非單純追求技術上的創新突破，而是客戶需求使然。YLearn是全球首個覆蓋從因果發現、評估到決策一系列模塊的端到端開源框架，能夠有效降低決策者的使用門檻。”

如果說機器學習是1.0、深度學習是2.0，那么因果學習就是3.0。以前不能做決策評估或者說做得比較粗糙，而現在有了因果學習的助力，評估的精度顯著提升。一方面，金融、運營商以及大型企業客戶有了迫切的需求，另一方面，因果學習技術快速發展，九章云極DataCanvas在這樣一個合適的時間點推出像YLearn這樣的開源框架，可謂生逢其時，引領了整個行業的發展。

YLearn由CausalDiscovery、CausalModel、EstimatorModel、Policy和Interpreter等部件組成，各部件既可獨立使用，也可以進行統一封裝。借助這些組件，YLearn能夠實現用因果圖表示數據集中的因果關系、識別因果效應、概率表達式和各類估計模型等功能。在九章云極DataCanvas的另一核心技術AutoML自動機器學習的加持下，YLearn還能實現自動調參、自動優化、一鍵自動生成對應結果“Y”的多種決策方案等高級功能，進一步降低了應用門檻。

YLearn 因果學習開源項目組成

在人工智能1.0時代，人們打造了AI的基本框架；進入2.0時代，進一步降低了AI的應用門檻；到了3.0時代，數據的極大豐富以及因果學習算法上的巨大突破，使得從預測到決策成為可能。“在AI 3.0時代，我們要將AI的技術能力賦能給業務端，實現更準確的決策，給用戶帶來更大的實用價值，而不是只圍繞著預測打轉轉。”方磊表示。

為什么是九章云極DataCanvas拔了頭籌？

上文已經提及，全球研究因果學習關系的企業、高校有很多，但為什么是九章云極DataCanvas率先推出了全球首個因果學習完整流程開源工具包？

方磊回憶說：“大約兩年多前，在與客戶的交流中我們了解到，客戶在業務上遇到的最大瓶頸是AI預測與企業的業務運營之間是脫鉤的。彌補這中間的鴻溝當然需要很多技術，而因果關系是其中非常關鍵的一環。我們認定了這一突破點，啟動了相關研究，最終開發出這一工具包。現在看來，我們當初的選擇是正確的。”

因果關系決策之于AI，其重要性就相當于Tensorflow之于深度學習。YLearn是九章云極DataCanvas站在前人的肩膀上，為開發者提供的一個統一的、標準化的、低門檻的工具，讓因果關系決策可以輕松落地，而不需要開發者把大量精力放在自己研究和部署相關的基礎組件上，也無需開發者自己寫更多代碼，只要調用YLearn提供的API，就可以使用九章云極DataCanvas開發的簡潔而強大的因果學習底層框架，更快速地應用于實際業務中。

雖然國外有很多廠商、研究機構和高校在研究因果關系決策，但大多只是出于研究的目的，而且停留在對單個點的研究上，并不是將因果學習框架的商業化作為目標。九章云極DataCanvas是一家企業，以服務客戶為目標，非常注重實用性，所以從深入研究因果關系決策的第一天開始，就致力于將其變成一個客戶能夠用的產品框架。有客戶需求、有九章云極DataCanvas自身的技術和能力積累，又找到了一個適合的切入點，YLearn的推出也就順理成章了。

通過給定的數據集，發現因果關系，并將其變成因果圖譜，在其上進行策略檢驗，然后再根據這個圖譜進行評估和推斷，形成最終的結果。這樣一個標準的流程、端到端的每一步，如今都可以在YLearn中便捷、完整地實現。“達到同樣的效果，如果不使用YLearn，一個博士先要研讀大量相關論文，然后做大量重復性的工作，而采用YLearn則可以事半功倍。”方磊表示，YLearn將決策這件事從博士生才能勝任的工作“降低”到程序員就能搞定，未來隨著圖形化交付的實現，可能普通的業務人員也能輕松上手。

YLearn如同一面旗幟，標志著從預測到決策的飛躍，更大的業務價值將進一步釋放出來。相信接下來整個行業也會跟風而起。

找準突破口，做大做強數據智能基礎軟件

九章云極DataCanvas長期專注于數據智能基礎設施的建設，而YLearn對于其數據智能基礎軟件平臺來說起到了承前啟后的作用。

雖然從產品形態上說，YLearn目前只是一個開源的核心算法包而已，但從產品架構上看，它從承載模型的上線推理到承載決策的上線推理，這是一個極大的改變。“從預測到決策不會一蹴而就，但從YLearn開始，數據科學家這一人群終于擁有了決策判斷的能力。從這個角度說，YLearn起到了承前啟后的作用。”方磊表示，“我們的數據智能基礎軟件平臺以前承載的是模型，從YLearn發布開始將承載決策，這是本質的變化。邁出這一步，我們也就從模型的視角轉向了決策的視角，從而更加貼近業務。客戶能否對AI進行持續、大量的投資，主要取決于客戶能否看得更清楚，能否做出更精準的評估。而這一切的前提就是決策能力的提升。”

九章云極DataCanvas之所以對YLearn充滿信心，因為YLearn體現的是業務價值。當前，YLearn還處于蹣跚起步的階段，但它帶來的改變是具有革命性的，讓用戶第一次可以做出精確的評估。以前我們常說的機器自動決策，適用的范圍相對較窄，而現在所說的決策則是拓展到更大的范圍、更高的層次。有了數據、有了因果關系，用戶就可以從更豐富的視角去預測、評估，從而得到更精確的結論。

進入AI 3.0時代，數據智能基礎軟件平臺要做的是更好地賦能給數據科學家、程序員乃至業務人員。因果學習會產生出更多決策的組合，使其與業務相結合就更加復雜。使因果學習決策更加標準化、簡單化就成了一項現實的挑戰。九章云極DataCanvas認為，這會是數據智能基礎軟件發展的一個突破口，雖然可能會經歷一條較漫長的商業路徑，但一旦被市場和客戶所接受，將成為數據智能基礎軟件一次關鍵性的升級。

方磊表示：“我們會堅持做好那些‘苦活’‘累活’，沿著明確的發展路徑，加大產品的研發和投入。我們不是單純地銷售軟件和服務，而是云中的一份子，攜手云生態的合作伙伴，通過‘云中云’的模式，推動數據智能基礎軟件的廣泛應用。在因果學習這方面，我們也是采取相同的策略和作法。”

今天，九章云極DataCanvas的業務已經從以金融、運營商為主，逐步擴展到能源、交通、國央企等十幾個行業，2022年第一季度收入相比去年同期實現了100%的增長。YLearn作為一款開源工具包，除了供社區用戶下載使用以外，也會作為九章云極DataCanvas數據智能基礎軟件平臺的一個重要功能 ，與其他企業級產品和功能打通，為用戶決策提供更好的助力。

從輔助決策到增強決策再到自動決策，這是一個持續演進的過程。目前，大部分用戶還處在輔助決策階段，增強決策的應用也才剛剛開始。因果決策則是始于增強決策，實現向自動決策跨越的關鍵一步。YLearn無疑踩準了節奏。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：